Tipus de document
Treball de fi de grauData de publicació
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/228126
Aplicació de tècniques de ciència de dades per ajudar a la presa de decisions en màrqueting digital
Títol de la revista
Autors
Director/Tutor
ISSN de la revista
Títol del volum
Recurs relacionat
Resum
[ca] Aquest treball de fi de grau es centra en l’anàlisi dels patrons de compra dins del món del comerç electrònic, utilitzant tècniques de ciència de dades. L’objectiu principal és facilitar la presa de decisions estratègiques en màrqueting, com ara oferir recomanacions personalitzades, implementar accions de cross-selling o segmentar clients.
S’han utilitzat dades reals d’un entorn comercial, realitzant tasques de neteja, transformació i codificació per analitzar variables com les quantitats venudes, el nombre de clients que compren i l’estacionalitat. A partir d’aquestes dades, s’han aplicat tant regles d’associació com tècniques de clustering per identificar agrupacions de productes i clients, però els resultats obtinguts no han permès extreure patrons significatius o accionables en la majoria dels casos.
Davant d’aquesta limitació, s’ha explorat un enfocament alternatiu basat en coclustering, que permet analitzar simultàniament la relació entre productes i clients. Aquest mètode ha proporcionat agrupacions bidimensionals més interpretables i útils per al màrqueting, especialment quan s’ha complementat amb eines d’intel·ligència artificial per descriure automàticament les característiques dels grups detectats.
Els resultats indiquen que el coclustering, en aquest context, és una eina més eficaç que el clustering per entendre el comportament de compra i descobrir noves estratègies comercials basades en dades. Finalment, es presenten les limitacions del treball i es proposen línies futures com la integració en entorns en temps real i l’anàlisi de conjunts de dades més amplis
[es] Este trabajo de fin de grado tiene como objetivo el análisis de patrones de compra en un entorno de comercio electrónico mediante técnicas de ciencia de datos, con la finalidad de facilitar decisiones estratégicas en marketing, como recomendaciones personalizadas, acciones de cross-selling o segmentación de clientes.
Se ha trabajado con datos reales de un entorno comercial, llevando a cabo tareas de limpieza, transformación y codificación para analizar variables como la descripción de los productos, cantidades vendidas, número de clientes y estacionalidad. A partir de estos datos, se han aplicado técnicas de clustering para identificar agrupaciones de productos y clientes, pero los resultados obtenidos no permitieron extraer patrones significativos o accionables en la mayoría de los casos.
Ante esta limitación, se exploró un enfoque alternativo basado en coclustering, que permite analizar simultáneamente la relación entre productos y clientes. Este método proporcionó agrupaciones bidimensionales más interpretables y útiles para el marketing, especialmente al complementarse con técnicas de inteligencia artificial que ayudaron a describir automáticamente las características de los grupos detectados.
Los resultados muestran que el coclustering, en este contexto, es una herramienta más eficaz que el clustering tradicional para comprender el comportamiento de compra y construir estrategias comerciales basadas en datos. Finalmente, se exponen las limitaciones del estudio y se proponen líneas futuras como la integración en entornos en tiempo real y el análisis de conjuntos de datos más amplios.
[en] This final degree project aims to analyze purchasing patterns in an e-commerce environment using data science techniques, with the ultimate goal of supporting strategic marketing decisions such as personalized recommendations, cross-selling actions, and customer segmentation.
Real-world commercial data was used, and extensive preprocessing was carried out, including data cleaning, transformation, and encoding, to analyze variables such as product descriptions, quantities sold, number of customers, and seasonality. Based on this dataset, clustering techniques were applied to identify product and customer groupings. However, in most cases, the results did not yield meaningful or actionable patterns.
Faced with this limitation, the project explored an alternative approach based on coclustering, which enables simultaneous analysis of the relationships between products and customers. This bidimensional analysis produced more interpretable and marketing-relevant groupings, especially when enhanced by artificial intelligence techniques used to automatically describe the characteristics of each group.
The results demonstrate that, in this context, coclustering is a more effective tool than traditional clustering for understanding purchasing behavior and designing data-driven commercial strategies. Finally, the study outlines its limitations and proposes future work directions such as integration into real-time environments and scaling to larger datasets.
Descripció
Treballs Finals de Grau d'Enginyeria Informàtica, Facultat de Matemàtiques, Universitat de Barcelona, Any: 2025, Director: Jordi Vitrià
Matèries (anglès)
Citació
Citació
VILAJOSANA GARRIGA, David. Aplicació de tècniques de ciència de dades per ajudar a la presa de decisions en màrqueting digital. [consulted: 22 of May of 2026]. Available at: https://hdl.handle.net/2445/228126